Algorithm design & data structureچ

گوگل از Gemini CLI، ابزار هوش مصنوعی متن‌باز برای ترمینال‌ها، رونمایی کرد! این ابزار AI متن‌باز، که قرار است در ترمینال‌ها (Terminal) اجرا شود، پلی بین توسعه‌دهندگان و مدل‌های پیشرفته Gemini AI (هوش مصنوعی جمنای) ایجاد می‌کند. https://github.com/google-gemini/gemini-cli #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

ایلان ماسک عکس ساختمون لینکدینو گذاشته و گفته امیدوارم ایران سعی نکنه تأسیسات هسته‌ای فوق سری ما رو که تصویرش توی بالا سمت چپ وسطه رو نابود کنه. 📣👨‍💻 @AlgorithmDesign_DataStructuer

ام‌آی‌تی واقعاً تمام آنچه که باید درباره مدل‌های زبانی بزرگ (LLM) بدانید را در ۶۰ دقیقه فشرده ارائه کرده است. https://vidskipper.com/watch?v=_HfdncCbMOE #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

ابزار هوش مصنوعی که متن را تقسیم می‌کند، موجودیت‌ها را استخراج می‌کند و از اسناد، گراف‌های دانشی می‌سازد. https://github.com/robert-mcdermott/ai-knowledge-graph #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎙 دستیار صوتی پیشرفته 11ai از ElevenLabs شرکت ElevenLabs با رونمایی از دستیار هوشمند جدید خود با نام 11ai، قدمی تازه در مسیر هوش مصنوعی مکالمه‌محور برداشته است. این دستیار فراتر از پاسخ دادن به سوالات معمولی عمل می‌کند و می‌تواند تنها با دریافت فرمان صوتی، اقداماتی واقعی در ابزارهای مختلف شما انجام دهد — چیزی فراتر از الکسا یا گوگل اسیستنت! ✨ قابلیت‌های کلیدی و هوشمند درواقع 11ai با تکیه بر فناوری MCP (پروتکل اتصال ابزارها) به راحتی با اپلیکیشن‌های کاری و روزمره شما یکپارچه می‌شود. همچنین، این دستیار از بیش از ۷۰ زبان پشتیبانی می‌کند و می‌تواند زبان گوینده را به صورت خودکار تشخیص دهد. نکته جذاب دیگر، امکان تغییر لحن و حالت صداست — مثل مکالمه با حس هیجان، خنده یا حتی زمزمه — که باعث می‌شود این ابزار هم در محیط‌های رسمی و هم استفاده شخصی کاربرد داشته باشد. این دستیار هم‌اکنون در فاز آلفا قرار دارد و کاربران می‌توانند به صورت رایگان آن را امتحان کنند. https://elevenlabs.io/blog/introducing-11ai #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

💻 اجرای ماشین مجازی لینوکس مستقیم داخل مرورگر! با این پروژه فوق‌العاده از GitHub می‌تونید یک ماشین مجازی واقعی لینوکس رو سمت کاربر اجرا کنید — بدون نیاز به سرور! ✨ ویژگی‌ها: ✅ اجرای کامل سیستم Debian داخل مرورگر فقط با WebAssembly ✅ شخصی‌سازی آسان با Docker و امکان ارسال باینری‌های x86 در محیط ایزوله ✅ ابزارهای کامل لینوکسی داخل مرورگر، با سرعت بالا و اتصال شبکه ✅ ذخیره و ادامه ساخت پروژه‌ها، بدون نیاز به هیچ زیرساخت سمت سرور ✅ جاسازی محاسبات ایزوله x86 در هر جا — WebVM تمام مجازی‌سازی، ذخیره‌سازی و اتصال Tailscale رو مدیریت می‌کنه ✅ فقط با یک Fork و ویرایش Dockerfile، نسخه پایدار و قابل نگهداری از لینوکس رو روی GitHub Pages منتشر کنید 🛠 ابزار ایده‌آل برای توسعه، تست یا حتی نمایش دموهای لینوکسی فقط با یک لینک مرورگر! https://github.com/nopQAQ/Test3R 📣👨‍💻 @AlgorithmDesign_DataStructuer

Test3R: یادگیری بازسازی سه‌بعدی در زمان تست https://github.com/nopQAQ/Test3R #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

راهنمای خلاصه‌شده استراتژی‌های System Prompt در Claude 4.0 (بر اساس الگوهای طراحی Agentic AI) متن زیر بررسی ساختاری پرامپت سیستمی Claude است که بر اساس «الگوهای زبان طراحی برای هوش مصنوعی عاملی» تحلیل شده؛ در اینجا ۱۵ الگوی کلیدی را معرفی می‌کند که هر کدام هدف مشخصی برای هدایت رفتار Claude دارند: 🔒 ۱. مرزبندی صریح (Boundary Signaling) تعیین خط قرمزهای مشخص مثل ممنوعیت تولید محتوای خطرناک یا دارای کپی‌رایت بیش از ۱۵ کلمه. 🙅‍♂️ ۲. پاسخ‌گویی کنترل‌شده (Error Ritual) درواقع Claude فقط یک جواب کوتاه و مشخص برای رد درخواست می‌دهد، بدون توضیح اضافه یا افشای سیاست‌ها. 🔄 ۳. یادآوری مداوم زمینه (Context Reassertion) همیشه تاریخ، نقش Claude و محدودیت‌های دانشش را یادآوری می‌کند که زمینه مکالمه گم نشود. 🗣 ۴. بازتاب نیت کاربر (Intent Echoing) در مواقع ابهام، درخواست یا تاریخ را بازگو می‌کند تا فهم مشترک تثبیت شود. ⚖️ ۵. مدیریت انتظارات (Expectation Management) از قبل توضیح می‌دهد Claude مثلاً وکیل نیست، نمی‌تواند اطلاعات را بین چت‌ها حفظ کند و ... تا کاربر انتظارات واقعی داشته باشد. 🧑‍💻 ۶. مسیر مداخله انسانی (Human-Intervention Logic) اگر کاری خارج از توان Claude باشد، کاربر را به دکمه بازخورد یا پشتیبانی رسمی هدایت می‌کند. 🛠 ۷. آگاهی از ریسک ابزارها (Tool-Risk Awareness) توضیح دقیق درباره زمان و چگونگی استفاده از ابزارهایی مثل جستجوگر وب، و چه چیزهایی ممنوع است. 📝 ۸. برنامه‌ریزی و بازاندیشی گام‌به‌گام (Planning–Reflection Sandwich) قبل از پاسخ نهایی، باید تصمیم‌گیری، اقدام و سپس بررسی نتایج را انجام دهد. 📄 ۹. پاسخ خالص بدون متن‌های سیستمی (Answer-Only Output Constraint) نباید متن‌های فنی، تشکرهای اضافی یا دستورالعمل‌های پنهان را به کاربر نشان دهد. 🧹 ۱۰. بهداشت معنایی چندلایه (Semantic Hygiene) حفظ انسجام زبانی و تفکیک نقش‌ها، مثلاً نباید درباره نوع فایل، برچسب مخفی یا پیام صوتی حرف بزند. 🖌 ۱۱. چارچوب تطبیقی (Adaptive Framing) با توجه به نوع سؤال، لحن و میزان جزئیات را تطبیق می‌دهد، اما از خط‌قرمزها عبور نمی‌کند. 📌 ۱۲. خلاصه‌سازی نهایی (Reflective Summary) در پایان پاسخ‌های طولانی، یک جمع‌بندی کوتاه (TL;DR) ارائه می‌کند. ⏳ ۱۳. محدودیت منابع (Action Budget) برای کنترل هزینه و سرعت، تعداد دفعات استفاده از ابزارها محدود است (مثلاً نهایتاً ۲۰ بار برای وظایف پیچیده). 👻 ۱۴. جلوگیری از افشای متن‌های سیستمی (Ghost-Context Removal) نباید هیچ بخشی از دستورالعمل‌های پنهان یا متای سیستمی را برای کاربر فاش کند. ♻️ ۱۵. استفاده مجدد امن (Trusted Reuse) استفاده مجدد از سیاست‌ها و پاسخ‌های از قبل تأیید شده، به‌جای تولید متن‌های جدید و ریسکی. #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 معرفی یک منبع فوق‌العاده رایگان برای یادگیری: Data Structures & Algorithms using Python این کتاب ۲۲۲ صفحه‌ای، تمام مباحث مهم ساختار داده و الگوریتم‌ها رو با زبان پایتون پوشش می‌ده. 🎯 ✅ مناسب برای مبتدی‌ها تا سطح پیشرفته ✅ تمرکز کامل روی انواع ساختار داده (لیست، پشته، صف، درخت، گراف و ...) ✅ آموزش انواع الگوریتم‌ها مثل مرتب‌سازی، جستجو، بازگشتی، گراف و موارد دیگر ✅ همه‌چی 💯 رایگان https://donsheehy.github.io/datastructures/fullbook.pdf #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

معرفی پروژه RD-Agent از مایکروسافت در گیت‌هاب 👨‍🔧 در واقع RD-Agent یک ابزار هوشمند است که فرآیند تحقیق و توسعه مبتنی بر داده را به‌صورت خودکار انجام می‌دهد. این سیستم به‌صورت چرخه‌ای ایده‌های جدید برای مدل‌ها یا ویژگی‌های داده (بخش "R") پیشنهاد می‌دهد و سپس آن‌ها را پیاده‌سازی می‌کند (بخش "D") و از بازخوردها یاد می‌گیرد. ✅ کاربردهای جذاب RD-Agent: 🔹 خواندن خودکار مقالات علمی یا گزارش‌های مالی 🔹 استخراج مفاهیم کلیدی مثل فرمول‌ها یا ساختار مدل‌ها 🔹 تبدیل آن مفاهیم به کد قابل اجرا 📦 مخزن این پروژه شامل سناریوهای آماده برای موارد زیر است: 🔧 تحلیل داده‌های پزشکی 📊 پیاده‌سازی مقالات علمی 🏁 شرکت خودکار در رقابت‌های Kaggle با قابلیت بهینه‌سازی مدل و مهندسی ویژگی همچنین این ابزار از چندین ارائه‌دهنده مدل‌های زبانی (LLM) از طریق زیرساخت LiteLLM پشتیبانی می‌کند. اگه دنبال ابزاری برای سریع‌تر کردن مسیر تحقیق و پیاده‌سازی ایده‌ها هستی، RD-Agent یکی از پروژه‌های پیشرو در این زمینه است. 🚀 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

معرفی ۳۰ مفهوم مهم و اساسی در طراحی سیستم https://blog.algomaster.io/p/30-system-design-concepts 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎯 برترین دوره‌های یوتیوب برای یادگیری Python ❯ Python (Absolute Beginners) https://youtube.com/playlist?list=PLUl4u3cNGP62A-ynp6v6-LGBCzeH3VAQB ❯ Python http://youtube.com/playlist?list=PL-osiE80TeTt2d9bfVyTiXJA-UTHn6WwU ❯ Django https://youtube.com/playlist?list=PL4cUxeGkcC9iqfAag3a_BKEX1N43uJutw ❯ Flask https://youtube.com/playlist?list=PL7yh-TELLS1EyAye_UMnlsTGKxg8uatkM ❯ FastAPI https://youtube.com/playlist?list=PLK8U0kF0E_D6l19LhOGWhVZ3sQ6ujJKq_ ❯ Numpy https://youtube.com/playlist?list=PLCC34OHNcOtpalASMlX2HHdsLNipyyhbK ❯ Pandas https://youtube.com/playlist?list=PLCC34OHNcOtqSz7Ke7kaYRf9CfviJgO55 ❯ Scikit-Learn https://youtube.com/playlist?list=PLcQVY5V2UY4LNmObS0gqNVyNdVfXnHwu8 ❯ Data Science https://youtube.com/watch?v=yGN28LY5VuA #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

Introducing Reinforcement-Learned Teachers (RLTs): تحول در روش آموزش استدلال به مدل‌های زبانی بزرگ (LLMs) با استفاده از یادگیری تقویتی (RL). Paper: https://www.arxiv.org/abs/2506.08388 Code: https://github.com/SakanaAI/RLT #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 شروع رایگان یادگیری صفر تا صد ساخت و کار با هوش مصنوعی Agent‌ها! اگه می‌خوای از پایه با مفهوم AI Agent آشنا بشی، بدون پیش‌نیاز شروع کنی و قدم‌به‌قدم یاد بگیری چطور این ابزارهای هوشمند رو بسازی و ازشون استفاده کنی، این دوره رو از دست نده! https://huggingface.co/learn/agents-course/unit0/introduction #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎁 هدیه فرادرس برای شما! این روزها همه درگیر خبرهای تلخ و فضای سنگین اطرافمون هستیم... ما در فرادرس تصمیم گرفتیم کاری کنیم که حتی برای لحظه‌ای از این حال و هوا فاصله بگیرید و روی یادگیری سرمایه‌گذاری کنید. ✅ شما می‌تونید یک آموزش دلخواه از فرادرس رو رایگان دریافت کنید! کافیه آموزش موردنظرت رو به سبد خرید اضافه کنی و این کد رو بزنی: کد تخفیف:

IRAN

نکته: فقط یک آموزش باید توی سبد خرید باشه. امیدواریم این هدیه، حتی کوچک، حالتون رو کمی بهتر کنه… 🌿 راهنمای دریافت آموزش: https://faradars.org/pages/get-free-course?utm_source=faradars&utm_medium=telegram&utm_campaign=free-course-gift 📣👨‍💻 @AlgorithmDesign_DataStructuer

اول دوروف، مدیر تلگرام، یه پیشنهاد وسوسه‌کننده داده: ✅ تلگرام دنبال یه برنامه‌نویس حرفه‌ای اندروید می‌گرده که بتونه سالی ۱ میلیون دلار درآمد خالص (بعد از مالیات) تو دبی داشته باشه! فقط کافیه تو مسابقه کدنویسی که گذاشتن شرکت کنی و برنده شی. موضوعش هم اینه که باید یه انیمیشن مشخص رو داخل نسخه اوپن‌سورس اپ اندروید تلگرام پیاده‌سازی کنی. ⏳ فرصت داری تا ۱۱ جولای! جزئیات کامل و نحوه شرکت اینجاست: https://t.me/contest/420 📣👨‍💻 @AlgorithmDesign_DataStructuer

دوره جامع «آموزش پرامپت انجینیرینگ برای مبتدیان» 🚀 اگر می‌خواهید یاد بگیرید چطور با هوش مصنوعی مثل ChatGPT یا ابزارهای مشابه بهترین خروجی‌ها را بگیرید، این دوره مخصوص شماست! در این آموزش فشرده و کامل، اصول و مهارت‌های «Prompt Engineering» یا همان مهندسی پرامپت را از صفر یاد می‌گیرید. https://www.youtube.com/watch?v=LWiMwhDZ9as #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎨جادوی خلق تصویر با هوش مصنوعی با Artimator، می‌تونی فقط با نوشتن یک توضیح ساده یا بارگذاری عکس، تصاویر هنری حرفه‌ای تولید کنی — همه اینا کاملاً رایگانه! این ابزار از هوش مصنوعی پیشرفته‌ای مثل Stable Diffusion 1.5، SDXL و Leonardo Diffusion استفاده می‌کنه تا تصاویر با کیفیت و جزئیات بالا بسازه. https://ai-image-generator.artimator.io/ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 معرفی Perplexity AI: دستیار هوشمند جست‌وجو در واقع Perplexity AI نه‌فقط یک موتور جست‌وجوی معمولی، بلکه ترکیبی هوشمند از LLM (مثل GPT‑4) و جست‌وجوی وب لحظه‌ای است. وقتی سوال می‌پرسید، پاسخ واضح، دقیق و مستند دریافت می‌کنید—با منبع‌دهی دقیق در هر بخش جواب. https://www.perplexity.ai/ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🛑بانک ملی در بیانیه‌ای ادعای هک ۷۳ میلیون اطلاعات حساب توسط یک گروه هکری را تکذیب کرد. هدف این کار را «تزریق بدافزار» عنوان کرد. این گروه هکری با انتشار چند فایل CSV در کانال تلگرامی خود، مدعی هک ۷۳ میلیون اطلاعات حساب کاربران بانک ملی شده بود. شرکت داده‌ورزی سداد به عنوان بازوی ارائه‌دهنده زیرساخت و ذخیره‌سازی داده بانک ملی در بیانه‌ای اعلام کرده است: اخیراً گروهی اقدام به انتشار متنی در بستر فضای مجازی نموده است که در آن ادعا کرده به داده‌های بانکی مشتریان بانک ملی ایران دست پیدا کرده و بر اساس همین ادعا، فایل نمونه‌ای ارائه و مشتریان را به خروج منابع مالی از این بانک تشویق کرده است. داده‌ورزی سداد درباره صحت و سقم داده‌های منتشرشده توسط این گروه هکری عنوان کرده است: علی‌رغم سابقه پیشین این گروه و گروه‌های مشابه، بررسی فنی بر روی نمونه داده ارائه شده توسط تیم‌های تخصصی در شرکت داده ورزی سداد و بانک ملی ایران صورت پذیرفته و مشخص گردید؛ داده‌ها فاقد اصالت بوده و هدف از فایل، نه انتشار اطلاعات، بلکه تزریق بدافزار نهفته شده آن، در بستر شبکه‌های داخلی و کلاینت‌های متخصصان شبکه بانک ملی و سداد برای دستیابی به اطلاعات است. داده‌ورزی سداد در این بیانیه تاکید کرده است: همانگونه که اشاره شد، این روش قبلا نیز توسط این گروه مورد سوءاستفاده قرار گرفته و از این مسیر، رمزهای عبور افرادی که اقدام به دانلود و اجرا کردن فایل – به اصطلاح – نمونه‌ کرده بودند، به سرقت رفته است. بررسی فایل‌ها نشان می‌دهد اطلاعات حسابی که منتشرشده شامل شماره کارت، کد ملی، نام و نام خانوادگی، تاریخ تولد و شماره موبایل برخی کاربران می‌شود. این گروه هکری هنوز به بیانیه بانک ملی واکنشی نداده است. 📣👨‍💻 @AlgorithmDesign_DataStructuer